Regression modelQuasi-experimental / causal inference
강건한 인과 영향 분석
Robust Causal Impact Analysis는 베이지안 구조 시계열 모형인 CausalImpact 프레임워크(Brodersen et al., 2015)를 확장하여, 체계적인 강건성 검증 — 시점 내 가상 검증(in-time placebo tests), 공간 내 가상 통제(in-space placebo controls), 공변량 민감도 분석(covariate sensitivity analysis), 사전 민감도 평가(prior sensitivity assessments) — 을 내장함으로써, 탐지된 개입 효과가 모델 선택이나 우연한 데이터 패턴의 결과가 아닌 실제 효과임을 검증한다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. Annals of Applied Statistics, 9(1), 247-274. DOI: 10.1214/14-AOAS788 ↗
- Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. ISBN: 978-0300251685
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Causal Impact Analysis with Sensitivity and Placebo Checks. ScholarGate. https://scholargate.app/ko/causal-inference/robust-causal-impact-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 베이지안 인과적 영향 분석(Bayesian Causal Impact Analysis)인과추론↔ compare
- 인과 충격 분석인과추론↔ compare
- 시계열 단절 분석 (Interrupted Time Series, ITS)인과추론↔ compare
- 인과관계에 대한 민감도 분석인과추론↔ compare
- 합성 통제 방법 (SCM)인과추론↔ compare